Dunia Berubah Lebih Cepat dari yang Kebanyakan Orang Kira

Di mana kita akan berada dalam beberapa tahun ke depan?

Kita manusia terprogram untuk melihat masa depan sebagai garis lurus, kelanjutan yang mulus dari hari ini. Tapi linearitas itu adalah ilusi yang menyenangkan. Pada kenyataannya, kita bergerak dalam spiral yang semakin cepat.

Untuk waktu yang lama, saya percaya bahwa menjadi seorang programmer adalah jangkar utama dalam badai ini, tempat di mana logika dan keahlian membentuk simbiosis yang tak tersentuh. Tapi hari ini saya harus mengakui pada diri sendiri: bahkan para arsitek dunia digital pun tidak aman dari ciptaan mereka sendiri. Apa yang kita nyatakan “tahan masa depan” selama berpuluh-puluh tahun ternyata hanyalah sebuah potret sesaat. Kecepatan dramatis di mana pengetahuan teknis kehilangan nilainya hari ini bukan sekadar tren pasar; ini adalah pergeseran fundamental dalam pemahaman kita tentang pekerjaan dan keahlian.

Kita tidak meremehkan masa depan karena kurang imajinasi, tapi karena kita mencoba mengukur dunia esok dengan inersia masa lalu. Dan titik buta itu adalah risiko terbesar kita.

Saya sudah cukup banyak berada di perusahaan teknologi untuk melihat dinamika ini berulang kali. Ada fase ketika perusahaan terasa penuh energi: terlalu banyak pekerjaan, terlalu banyak peluang, terlalu sedikit orang untuk mengeksekusi semuanya. Di fase-fase itu, politik, pemikiran teritorial, dan perebutan wilayah sering menghilang dengan sendirinya. Lalu ada fase yang lain: lebih sedikit peluang nyata, lebih banyak orang daripada daya ungkit, lebih banyak permainan status, lebih banyak proses, lebih banyak sandiwara.

Banyak perusahaan masih percaya mereka punya waktu. Mereka tidak punya.

Kesalahan Berpikir: Kita Membandingkan AI dengan Kurva Adopsi Lama

Ketika orang berbicara tentang AI, banyak yang berbicara seolah-olah kita masih punya semua waktu di dunia. Seolah-olah ini adalah pergeseran budaya yang lambat. Seolah-olah ini akan menetap selama berpuluh-puluh tahun.

Tapi lihatlah betapa dramatisnya percepatan itu: sementara mobil (Ford Model T) membutuhkan sekitar 22 tahun untuk menjadi arus utama di AS, smartphone berhasil melakukannya hanya dalam 14 tahun. Dengan perangkat lunak, hambatan hampir sepenuhnya hilang: ChatGPT mencapai 100 juta pengguna dalam dua bulan, Threads hanya dalam lima hari.

Teknologi tidak hanya menyebar hari ini, ia meledak ke kelompok sasaran dengan cara yang dulu membutuhkan waktu berpuluh-puluh tahun. Alasannya sederhana: AI tidak membutuhkan pabrik atau rantai pasokan di sisi pengguna akhir. Sebuah tautan atau API sudah cukup untuk langsung meningkatkan perangkat keras yang ada dengan kemampuan baru.

Apa yang Berbeda Hari Ini

Di masa lalu, kamu harus memproduksi sesuatu, mengirimkannya, menjualnya, dan secara fisik membawanya ke rumah-rumah.

Hari ini, sebuah tautan sering kali sudah cukup.

Alat AI baru bisa muncul di Jumat malam, disebarkan melalui X, Reddit, Discord, dan YouTube selama akhir pekan, dan pada hari Senin, puluhan ribu orang sudah mengujinya dalam alur kerja nyata. Bukan di demo. Bukan di penelitian. Di pekerjaan nyata.

Itulah mengapa saya menemukan perkembangan seperti OpenClaw atau seluruh gelombang seputar setup agentic coding begitu menarik. Bukan hanya karena alatnya sendiri, tapi karena kecepatannya. Tiba-tiba orang menghabiskan anggaran token dalam semalam, seluruh alur kerja direstrukturisasi, dan dalam beberapa minggu, apa yang dianggap “normal” dalam tim pengembang berubah.

Contoh yang bagus adalah Claude Cowork: proyek ini diluncurkan secara publik hanya sepuluh hari setelah idenya lahir. Sepuluh hari. Itu saja sudah menunjukkan apa yang sedang kita bicarakan.

Banyak orang masih berpikir dalam siklus produk per kuartal. AI sudah berpikir dalam hitungan hari.

Masa Depan Sering Kali Sudah Dibangun Bertahun-tahun Sebelumnya

Masa depan sering tampak tiba-tiba, padahal sudah dibangun ke dalam perangkat sejak lama. Chip U1 dari Apple sudah ada di iPhone 11 pada 2019, tapi manfaat nyatanya baru datang pada 2021 dengan AirTag. Studio Display baru sudah mengandung A19 menurut analisis firmware, tanpa Apple membuat kehebohan besar tentangnya. Tesla sudah menjual kendaraan selama bertahun-tahun yang menerima kemampuan baru melalui pembaruan over-the-air, meskipun Full Self-Driving secara resmi masih memerlukan pengawasan pengemudi.

Polanya selalu sama: perangkat kerasnya sudah ada di luar sana. Ketika perangkat lunaknya siap, kemampuan baru tidak menyebar dalam hitungan tahun tapi dalam hitungan minggu. Bukan hanya produk yang menyebar lebih cepat, kemampuan dalam produk yang sudah terjual bisa tiba-tiba berlipat ganda.

Dorongan Besar Berikutnya Tidak Hanya Menyentuh Perangkat Lunak

Kesalahan umum dalam diskusi ini adalah melihat AI sebagai topik hanya untuk pengembang, desainer, atau pekerja pengetahuan.

Itu terlalu sempit.

Dampak nyata datang ketika AI bergabung dengan otomatisasi dan robotika. Ambil contoh McDonald’s: kita tidak menunggu robot dapur humanoid, kita sudah menerima otomatisasi. Terminal pemesanan mandiri adalah langkah yang menentukan.

Ini menghilangkan unsur manusia dari proses pemesanan, meningkatkan pendapatan, dan membuat kita terbiasa dengan alur kerja yang dimediasi perangkat lunak. Ketika lebih banyak robotika memasuki dapur, mereka akan tiba dalam sistem yang sudah diterima pelanggan sebagai “dikendalikan secara digital.” Peluncurannya bukan pertanyaan apakah, hanya soal kecepatan, bukan karena niat buruk tapi karena logika: sistem yang lebih murah, lebih dapat diprediksi, dan lebih andal dalam jangka panjang hampir pasti akan diadopsi ketika tekanan persaingan cukup tinggi.

Sering Kali Ini Hanyalah Logika Ekonomi

Banyak perkembangan ini tidak terjadi karena lebih menyenangkan atau lebih diinginkan secara budaya oleh semua orang. Ini terjadi karena memang menjadi logis dalam lingkungan pasar tertentu.

Kamu bisa melihat ini dengan mobil: pada 10 Maret 2026, diumumkan bahwa Volkswagen berencana memangkas sekitar 50.000 pekerjaan di Jerman pada 2030. Bukan karena ketidakmampuan, tapi karena struktur lama berbenturan dengan logika baru (fokus pada perangkat lunak, integrasi vertikal). Sementara korporasi mapan bergulat dengan kompleksitas historis, perusahaan seperti Tesla atau BYD memperluas manufaktur mereka dengan kecepatan yang tidak lagi sesuai dengan tolok ukur lama. Ketika pasar berubah, kecepatan lebih penting daripada ukuran.

Ini juga berlaku pada skala yang lebih kecil, seperti hilangnya kerajinan tradisional di seluruh Eropa. Di mana-mana kita melihat bisnis kecil yang berdiri untuk kualitas selama bergenerasi-generasi kalah dari rantai industri. Ini bukan hanya kerugian budaya tapi logika pasar yang telanjang: ketika biaya yang meningkat dan daya beli yang menurun mengubah kualitas menjadi barang mewah, alternatif industri menang, bukan karena lebih baik, tapi karena model lama sudah tidak lagi berjalan secara ekonomi.

Ini Tidak Akan Meledak di Mana-mana Sekaligus, Tapi Akan Merayap Masuk ke Hampir Semua Tempat

Saya tidak percaya pada skenario Hollywood sederhana di mana semua pekerjaan hilang besok dan semuanya dikerjakan robot lusa.

Realitas jarang bekerja seperti itu.

Yang saya perkirakan sebaliknya:

• Pertama, tugas-tugas individual menghilang.
• Lalu peran-peran dikonsolidasikan.
• Kemudian satu orang tiba-tiba menangani apa yang dulu membutuhkan tiga atau lima orang.
• Dan akhirnya, bukan lagi posisi individual yang digantikan, tapi seluruh model bisnis.

Kita sudah melihat ini dalam bentuk yang lebih kecil hari ini:

• Self-checkout
• Kios pengganti kasir
• Lini dukungan pertama berbasis AI
• Terjemahan otomatis
• Produksi konten berbantuan AI
• Otomatisasi gudang
• Perencanaan rute dan tenaga kerja yang lebih baik

Ini bukan teori.

Klarna adalah contoh yang bagus di ruang digital murni. Perusahaan ini menulis pada Februari 2024 bahwa asisten AI-nya telah menangani 2,3 juta percakapan hanya dalam satu bulan, kira-kira dua pertiga dari semua obrolan layanan. Menurut Klarna, ini setara dengan pekerjaan 700 karyawan penuh waktu, beroperasi dalam lebih dari 35 bahasa, di 23 pasar, 24/7.

Ketika sebuah sistem secara bersamaan memangkas biaya, tersedia sepanjang waktu, dan bekerja cukup cepat untuk kasus standar, perdebatan tentang apakah hampir berakhir. Yang tersisa hanya soal kecepatan peluncurannya.

Kesalahan besar adalah melihat gejala-gejala individual ini sebagai gimmick.

Ini bukan gimmick. Ini adalah pertanda.

Dan tetap akan ada kemunduran di sepanjang jalan ini.

Kita akan melihat halusinasi, kebocoran data, kesalahan penilaian yang absurd, dan sistem yang diberi tanggung jawab terlalu banyak terlalu cepat. Air Canada bahkan harus menanggung tanggung jawab pada 2024 atas informasi palsu dari chatbot situsnya, setelah memberikan informasi yang salah kepada pelanggan tentang tarif kedukaan.

Di atas itu, ada rem struktural yang bisa memperlambat segalanya: regulasi yang lebih ketat, hambatan energi untuk pusat data, resistensi masyarakat, atau sekadar fakta bahwa banyak proses dunia nyata lebih kompleks dari yang bisa ditangkap model mana pun saat ini. Semua ini akan menghambat kecepatan di beberapa tempat. Tapi siapa pun yang percaya bahwa kemunduran semacam itu akan menghentikan tren fundamental sedang mengacaukan gesekan jangka pendek dengan arah jangka panjang.

Di Mana Kita Kemungkinan Akan Berada dalam Beberapa Tahun

Saya percaya kita akan segera hidup di dunia di mana:

• AI diam-diam bekerja di latar belakang hampir setiap pekerjaan pengetahuan
• Agen secara otonom menyiapkan atau mengeksekusi banyak tugas digital standar
• Tim kecil dengan sangat sedikit orang membangun hal-hal yang dulu membutuhkan seluruh departemen
• Pekerjaan layanan lebih banyak dipantau, distandarisasi, dan sebagian diotomatisasi
• “Bisa bekerja dengan AI” bukan lagi keahlian khusus tapi kompetensi dasar
• Kecepatan lebih penting dari gelar
• Penilaian menjadi lebih berharga daripada kerja keras semata

Dan saya percaya satu hal lagi:

Kesenjangan antara mereka yang beradaptasi lebih awal dengan realitas ini dan mereka yang mengabaikannya akan sangat brutal.

Apa yang Seharusnya Dipelajari Generasi Muda Hari Ini

Jika saya masih muda hari ini, saya tidak akan bertanya alat tunggal mana yang perlu saya “pelajari.”

Saya akan bertanya:

Keterampilan mana yang tetap berharga bahkan ketika alatnya berubah setiap tahun?

Bagi saya, ini adalah:

1. Prinsip di Atas Agama Alat

Jangan hanya belajar nama aplikasi, pelajari fundamental: logika, statistik, sistem, dan hubungan ekonomi. Alat berubah setiap beberapa minggu, tapi prinsip inti bertahan. Mereka yang belajar cara belajar tetap lincah dan tidak kalah dari siklus rilis berikutnya.

2. Pemikiran Terstruktur dan Komunikasi yang Presisi

Di dunia AI, bahasa menjadi antarmuka. Mereka yang berpikir tidak jelas mendelegasikan tidak jelas dan mendapatkan hasil yang tidak jelas. Keterampilan sesungguhnya bukan “prompting” tapi mengurai masalah yang kacau dengan bersih: apa penyebabnya, apa gejalanya? Apa yang dibutuhkan mesin untuk bekerja secara efektif?

3. Penilaian dan Selera

Ketika mesin bisa menghasilkan variasi tak terbatas, kemampuan membedakan yang bagus dari yang biasa-biasa saja menjadi lebih berharga. Selera bukan kemewahan, itu keunggulan kompetitif. Kamu perlu belajar meninjau hasil, menyempurnakannya, dan bertanggung jawab atas outputnya.

4. Ketangguhan dan Pengendalian Ego

Tahun-tahun mendatang tidak akan stabil. Mereka yang panik di setiap perubahan kehilangan energi. Di tim AI-native, ego menjadi kurang penting: belajarlah mentoleransi pekerjaan yang belum selesai, memproses umpan balik dengan cepat, dan mendefinisikan diri bukan dari status tapi dari kontribusi nyatamu.

5. Kesadaran Keamanan dan Tanggung Jawab

Bekerja dengan agen tidak hanya memperbesar output, tapi juga memperbesar risiko. Halusinasi, kebocoran data, atau otomatisasi yang cacat bisa berakibat fatal. Pemahaman mendalam tentang risiko dan kemampuan mengamankan antarmuka kritis akan menjadi kompetensi dasar.

6. Membangun Alih-alih Berkomentar

Semakin mudah untuk punya opini atau menulis thread. Yang tetap berharga adalah benar-benar membangun sesuatu: alat, layanan, otomatisasi, sistem yang benar-benar digunakan seseorang. Di dunia yang penuh dengan output digital murah, kepercayaan, hubungan nyata, dan eksekusi fisik naik nilainya secara masif.

Kesimpulan

Di mana kita akan berada dalam beberapa tahun?

Mungkin di dunia di mana AI bukan lagi “hal baru” tapi infrastruktur, sama seperti internet, smartphone, dan cloud yang sudah menjadi hari ini. Pertanyaannya bukan apakah gelombang ini datang. Pertanyaannya adalah siapa yang beradaptasi tepat waktu.

Dan jawaban jujurnya adalah: kebanyakan akan melakukannya terlambat. Bukan karena kebodohan, tapi karena kebiasaan. Karena permukaan keseharian masih berfungsi, sementara segala sesuatu di bawahnya sudah bergeser.

Siapa pun yang ingin tetap relevan di tahun-tahun mendatang, sebagai individu, sebagai tim, sebagai perusahaan, seharusnya tidak bertanya alat mana yang sedang tren saat ini. Tapi apakah kecepatan, penilaian, dan kemampuan adaptasi mereka sendiri bisa mengikuti laju yang ditetapkan teknologi ini.

Kita juga tidak bisa mengabaikan satu pertanyaan: apa yang terjadi pada orang-orang yang pekerjaannya hilang dalam pergeseran ini? Pelatihan ulang, jaring pengaman sosial, dan pendekatan masyarakat yang jujur terhadap perpindahan bukan masalah sampingan, itu adalah prasyarat agar transformasi ini menjadi tidak hanya efisien tapi juga berkelanjutan.

Karena masa depan bukan milik mereka yang mengetik paling cepat. Masa depan milik mereka yang memahami apa yang benar-benar perlu dilakukan, dan mengapa.

Sampai jumpa lagi,
Joe

Sumber dan Bacaan Lanjutan

• Kurva Adopsi & Statistik Teknologi: Pew Research Center, Our World in Data, Ford Timeline.
• Pertumbuhan Aplikasi (Threads/ChatGPT): TechCrunch, Reuters.
• Industri Otomotif & Logika Pasar: VW Annual Report 2025, Tesla Investor Relations, BYD Sales Reports.
• Transformasi AI & Layanan: Klarna AI Report, Air Canada Chatbot Case.
• Kerajinan & Ekonomi: Zentralverband des Deutschen Baeckerhandwerks.